Reparación del espectro vibratorio de baja frecuencia contaminado por ruido con una red U de atención

Área de la Ciencia:

• Espectroscopia
• Química computacional
• Ciencias de los materiales

Sus antecedentes:

• Los modos de vibración de baja frecuencia son huellas moleculares cruciales, que ofrecen información sobre los cambios estructurales y las interacciones químicas.
• La detección de estas señales débiles es un desafío debido a la interferencia ambiental y la debilidad inherente de la señal en la espectroscopia IR y Raman.
• La espectroscopia de Raman mejorada por superficie (SERS) puede amplificar las señales, pero presenta sus propias complejidades en el análisis de datos.

Objetivo del estudio:

• Desarrollar un protocolo robusto de aprendizaje profundo para mejorar la detección y el análisis de los modos de vibración de baja frecuencia.
• Reconstruir las características espectrales débiles de baja frecuencia aprovechando las correlaciones con los modos de alta frecuencia más fuertes.
• Validar la eficacia del método en sistemas difíciles, incluidos los SERS y los espectros IR/Raman experimentales.

Principales métodos:

• Se desarrolló un protocolo de desinformación de aprendizaje profundo que utiliza una arquitectura U-net mejorada por la atención.
• El modelo aprende a reconstruir las características espectrales de baja frecuencia a partir de los modos de vibración de alta frecuencia.
• El protocolo fue probado con trans-1,2-bis(4-piridil) etileno (BPE) adsorbido en una superficie de Ag para el análisis SERS y con espectros IR/Raman experimentales.

Principales resultados:

• El modelo de aprendizaje profundo recuperó con éxito señales de baja frecuencia de BPE en una superficie de Ag, lo que demuestra su eficacia en el análisis SERS.
• El modelo entrenado mostró una buena transferibilidad a los espectros SERS obtenidos en diversas condiciones de superficie y campo externo.
• Se logró una recuperación de alta calidad de las características espectrales de baja frecuencia para los espectros IR y Raman experimentales de BPE.

Conclusiones:

• El protocolo de aprendizaje profundo U-net mejorado por la atención deniega y reconstruye con eficacia los modos de vibración de baja frecuencia débiles en los espectros moleculares.
• Este método mejora significativamente el análisis de datos espectrales difíciles, incluida la espectroscopia SERS, IR y Raman.
• El protocolo desarrollado ofrece una poderosa herramienta para el análisis detallado de la estructura molecular y la interacción utilizando la espectroscopia vibratoria.